Der Unterschied zwischen einem MES und einem KI-Agenten in der Produktion: Wo die Grenze in der Mittelstand-Fertigung 2026 verläuft

Um 06:42 Uhr an einem Dienstagmorgen wirft eine Presse in einem deutschen Mittelstands-Stanzbetrieb einen Werkzeug-Fehlausrichtungs-Alarm. Das MES tut genau, was es soll: Event protokollieren, Auftrag pausieren, Alarm an den Schichtleiter. Um 07:10 hat der Schichtleiter die Ursache identifiziert - aber der Produktionsplan zeigt weiter die ursprüngliche Reihenfolge. Drei nachgelagerte Zellen rüsten weiter für Teile, die jetzt nicht rechtzeitig kommen werden. Bis Schichtende sind vier Kundenlieferungen gefährdet - keine davon irgendwo außerhalb des Schichtleiterkopfs markiert.

Das ist kein MES-Versagen. Das ist ein MES, das für etwas eingesetzt wird, wofür es nie gebaut wurde. Das MES hat das Event tadellos erfasst. Was es nicht kann: über den Plan, das Kundenauftragsbuch, die Liefertreuezusagen, die Ersatzrouten und die laufende Überlegung des Schichtleiters hinweg argumentieren. Das ist die Arbeit eines KI-Agenten - und die beiden zu verwechseln, verbrennt das nächste Mittelstands-Werks-IT-Budget.

Dieser Artikel handelt nicht davon, ob das MES tot ist (ist es nicht). Es geht darum, präzise zu verstehen, wofür jedes Tool gebaut ist, wo die Grenze verläuft und wie die hybride Architektur in einem realen Mittelstandswerk 2026 tatsächlich aussieht.

Warum diese Frage in der Fertigung am härtesten zählt

MES-Adoption im deutschen Mittelstand ist heterogen, aber reif. Manche Hidden Champions betreiben modernste MES-Plattformen (MPDV Hydra, Industrie Informatik cronetwork, GFOS, Siemens Opcenter, AVEVA, Werum). Andere fahren 15 Jahre alte Systeme, die niemand vollständig versteht und niemand zu ersetzen wagt. So oder so sitzt das MES im Zentrum der Shopfloor-IT - und die Frage, ob KI das MES ergänzt oder ablöst, ist 2026 für Käufer ehrlich verwirrend.

Die Kräfte, die die Frage gerade jetzt formen

• MES-Anbieter haben alle KI ergänzt - Jeder grosse MES-Anbieter vermarktet 2026 irgendeine Form von KI: Anomalieerkennung, prädiktive Planung, KI-Bildverarbeitung. Die Funktionen sind real, aber begrenzt. Sie lösen nicht die system-übergreifenden, ausnahme-lastigen Entscheidungen, die die Mittelstands-Produktionsrealität definieren.
• KI-Anbieter beanspruchen MES-Territorium - Manche KI-Startups verkaufen „KI-natives MES", das traditionelle Systeme ersetzen soll. Der Pitch ignoriert das regulatorische, rückverfolgungs- und ERP-integrative Gewicht, das echte MES tragen. Ein laufendes MES zu ersetzen ist ein Mehrjahresprojekt, das niemand auf einen Anbieter-Pitch hin angeht.
• Die Datenlücke ist der echte Engpass - Gartner prognostiziert, dass 60 Prozent der KI-Projekte bis Ende 2026 wegen unzureichender Datenfundamente abgebrochen werden⁴. 70 Prozent der Hersteller nennen Datenqualität als grösstes Implementierungshindernis⁴. Das MES ist meist genau dort, wo diese Daten leben.
• Der Mittelstand ist unter-investiert - Horvath-Daten zeigen: Mittelständler investieren nur 0,35 Prozent des Umsatzes in KI, 30 Prozent unter dem globalen Durchschnitt⁴. VDMA findet, dass weniger als 20 Prozent der deutschen Mittelstandsfertiger Industrie 4.0 über das Pilotstadium hinausgebracht haben⁴. Der Reflex ist Konsolidierung, nicht Multiplikation.

Der deutsche Mittelstand-Kontext

Deutsche Fertigung trägt spezifisches Gewicht, das die MES-versus-KI-Agent-Frage anders macht als ein US- oder Asien-Gespräch. Die Entscheidungen müssen fünf gleichzeitige Realitäten passen, nicht nur eine technische Vorliebe.

• SAP überall - Die meisten deutschen Mittelstandswerke fahren SAP auf Level 4 (S/4HANA, ECC oder Business One). Das MES sitzt auf Level 3 und integriert nach oben über ISA-95-konforme Schnittstellen. Jeder KI-Agent, der Mehrwert liefern will, muss diese Hierarchie respektieren.
• Mittelstands-spezifisches MES - Industrie Informatik, MPDV, GFOS, iTAC dominieren das Mittelstands-Mid-Tier. Nicht Siemens-Klasse Enterprise-MES, nicht leichtgewichtige Tools. Sie kodieren jahrzehntelange deutsche Industrie-Prozesslogik. Sie zu ersetzen ist selten der richtige Schritt.
• Audit- und Rückverfolgungslast - Automotive (IATF 16949), Pharma (GMP), Lebensmittel (HACCP), Aerospace (AS9100) verlangen rückverfolgbare, auditierbare Produktionsaufzeichnungen. Das MES ist der Audit-Trail. KI-Agenten müssen ihn respektieren, nicht umgehen.
• Betriebsrat-Mitbestimmung - Jedes System, das Mitarbeiterverhalten oder -leistung überwacht, ist Mitbestimmungsthema. Produktions-KI-Agenten, die aggregiert bleiben (Maschine, Linie, Schicht), sind einfacher einzuführen als Agenten, die einzelne Werker bewerten.
• Fachkräftemangel und Demografie - 40 Prozent der deutschen Hersteller können keine KI-qualifizierten Mitarbeiter finden⁴. Die Architektur muss zu einem kleinen IT-Team passen, nicht zu einer 200-Personen-Enterprise-IT.

Was ein MES wirklich ist

MES (Manufacturing Execution System) ist die Softwareschicht zwischen ERP und Shopfloor. ISA-95, die internationale Norm für Enterprise-Control-System-Integration, platziert MES auf Level 3 - über SCADA und SPS (Levels 1 und 2) und unter ERP (Level 4). Sein Job: ERP-geplante Aufträge in maschinen-nahe Ausführung übersetzen und das Ergebnis erfassen.

Die definierenden Eigenschaften

• Transaktionaler Kern - Erfasst Produktionsarbeit Auftrag für Auftrag, Station für Station, Los für Los. Das MES ist die Wahrheit darüber, was tatsächlich produziert wurde - Mengen, Qualitäten, Zeiten, Ausschuss, Nacharbeit.
• Regelbasierte Disposition - Entscheidet, welcher Auftrag auf welche Maschine geht, basierend auf konfigurierter Logik. Die Optimierung ist regelbegrenzt; neue Situationen brauchen menschlichen Override.
• Maschinendatenerfassung - Verbindet sich mit SPS, SCADA und Sensoren, um Live-Maschinenzustand, OEE-Inputs und Alarmbedingungen zu ziehen. Das ist die Datenschicht, aus der die meisten KI-Agenten lesen.
• ISA-95-Integration ans ERP - Schiebt Produktionsergebnisse ans ERP für Buchhaltung, Inventar und Finanzberichterstattung. Zieht geplante Aufträge vom ERP zur Ausführung.
• Rückverfolgbarkeit und Audit - Hält die Genealogie jedes Loses, jeder Charge, jedes Teils - welche Maschinen, welche Werker, welche Schicht, welche Qualitätsergebnisse. Compliance-kritisch in regulierten Branchen.
• OEE- und KPI-Berechnung - Berechnet OEE, Durchsatz, Yield und andere KPIs aus den erfassten Daten. Die Zahlen speisen Dashboards, Führungsberichte, Verbesserungsprojekte.
• Werker-UI auf dem Shopfloor - Touchscreens an jeder Station zeigen den aktuellen Auftrag, erfassen Bestätigungen und Nacharbeit, melden Alarme. Das MES ist das tägliche Werkzeug jedes Werkers und Schichtleiters.

Wo das MES genuin glänzt

• Compliance-Rückverfolgbarkeit - Wenn das Kunden-Audit fragt: „Welche Presse, welche Schicht, welcher Werker hat dieses Teil an diesem Datum aus welchem Rohmaterial gefertigt?", hat das MES die Antwort in Sekunden. Das auf einem KI-Agenten neu aufzubauen, wäre Audit-Infrastruktur neu zu erfinden.
• Echtzeit-Maschinendisposition - Pressenstrasse 3 sagen, welcher Werkzeugwechsel als Nächstes kommt, Rüstzeit erfassen, Auftrag auf den Werker-Bildschirm dispatchen. Deterministisch, schnell, im Shopfloor-Takt.
• OEE-Berechnung unter Last - Das MES erledigt die strukturierte Rechenarbeit, die die tägliche OEE-Zahl produziert. Die Zahl kann falsch sein, wenn die Daten falsch sind, aber die Berechnung selbst ist solide.
• ERP-Integration - Produktionsrückmeldung ins SAP, Inventarupdates, Kostenstellen-Buchung. ISA-95-konforme MES handhaben das über stabile API-Verträge.
• Das 24/7-System of Record - Das MES läuft, ob die Planerin am Schreibtisch ist oder nicht. Es braucht keinen Menschen pro Transaktion. Genau richtig für die strukturierte, regelbasierte Arbeit, die es macht.

Wo das MES an seine Designgrenzen kommt

• System-übergreifende Logik - Das MES sieht Produktionsdaten. Es sieht keine Kunden-E-Mails, Lieferanten-Lieferankündigungen, Vertragsstrafe-Klauseln, ERP-Kreditsperren. Entscheidungen, die diesen Kontext brauchen, fallen durch die Lücke.
• Unstrukturierte Eingaben - Ein Werker notiert „Material wirkt komisch" als Freitext. Ein Kunde mailt eine Lieferänderung. Ein Lieferant schickt ein PDF mit Qualitätsmeldung. Das MES kann nichts davon lesen.
• Ausnahmebehandlung jenseits definierter Regeln - Der Plan sagt A dann B dann C. Realität bricht: Kunde von B verschiebt, Kunde von D will einen Eilauftrag dazwischen. Das MES braucht einen Menschen für die Neuplanung. Kein „mach mal"-Modus.
• Dokumentlastige Backoffice-Arbeit - 8D-Reports, Kundenreklamationsantworten, Lieferanten-SCAR, interne Audit-Vorbereitung. Die Daten liegen im MES. Die Arbeit ist nicht der Job des MES.
• Abteilungs-übergreifende Orchestrierung - Wenn Produktion, Vertrieb, Logistik und Qualität dasselbe Problem berühren, koordiniert kein einzelnes MES. Die Orchestrierung fällt der Schichtleitung oder Planung zu, die zufällig im Dienst ist.

Was ein KI-Agent in der Produktion wirklich ist

Ein KI-Agent in einem Fertigungskontext ist kein Chatbot, kein Dashboard, kein MES-Ersatz. Er ist eine zielgerichtete Argumentationsschicht, die aus den bestehenden Systemen liest (MES, ERP, CAQ, CRM, DMS, E-Mail), über das richtige Vorgehen zu einem definierten Produktionsziel argumentiert und entweder innerhalb begrenzter Befugnisse handelt oder mit vollem Kontext an einen Menschen eskaliert.

Die definierenden Eigenschaften

• Zielgesteuert, nicht skriptgesteuert - Sie definieren das Ergebnis (Plan rebalancieren, 8D entwerfen, Lot-Risiko vorhersagen, Kundenwirkung eskalieren). Der Agent findet den Weg dorthin mit den verfügbaren Werkzeugen.
• Liest über Systeme hinweg - MES, ERP, CAQ, Kunden-E-Mail, Lieferantenportal, Dokumentenmanagement. Der Agent argumentiert über den vollen Kontext, nicht nur über MES-Daten.
• Verarbeitet unstrukturierte Eingaben - PDFs, E-Mails, Freitext-Werker-Notizen, Vertragsklauseln, Lieferanten-Ankündigungen. Etwa 80 Prozent der Unternehmensdaten sind unstrukturiert - und für das MES grösstenteils unsichtbar.
• Sitzt über dem MES, nicht daneben - Das MES bleibt System of Record. Der Agent liest und schreibt darüber über reguläre APIs. Keine Umgehung, kein Ersatz.
• Respektiert die ISA-95-Hierarchie - Produktions-KI-Agenten laufen auf Level 4 (oder als Schicht zwischen 3 und 4). Sie schreiben nicht direkt auf SPS oder Maschinen. Das MES bleibt das einzige System, das mit der Ausführungsschicht spricht.
• Eskaliert mit Kontext - Wenn der Agent eine Entscheidung außerhalb seiner Befugnis oder Konfidenz trifft, eskaliert er an einen Menschen mit dem, was er gefunden hat, was er versucht hat, was er empfiehlt. Prüfungen sind 5 bis 10 Mal schneller als reine Ausnahmebehandlung.
• Pricing pro Use Case, nicht pro User - Agenten werden typischerweise pro aktivem Produktions-Use-Case bepreist (pro Agent, pro Prozess), nicht pro Shopfloor-Sitz. Die Wirtschaftlichkeit passt zu kleinen Teams mit hohem Volumen.

Was ein KI-Agent in der Produktion nicht ist

• Kein Chatbot für den Shopfloor - Werker brauchen kein Chatfenster. Sie brauchen Arbeitsfluss. Agenten handeln hinter der MES-UI, nicht in Konkurrenz dazu.
• Kein Ersatz für SCADA, MES oder SPS - Die Ausführungsschicht bleibt. Agenten ergänzen die Argumentationsschicht obendrauf.
• Nicht RPA auf dem MES - RPA scrapet UIs und bricht bei jedem Update. Agenten integrieren über APIs, denken zielgerichtet und behandeln Ausnahmen nativ.
• Keine Magie - Gartner prognostiziert, dass über 40 Prozent der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden¹², meist wegen unzureichender Governance und unrealistischem Scope. Produktions-KI braucht Human-in-the-Loop-Checkpoints, Audit-Logs und Rollback-Pfade.

Sechs Unterschiede, die auf dem Shopfloor zählen

Diese Unterschiede sind nicht philosophisch. Sie zeigen sich darin, wie sich jedes System um 03:00 Uhr verhält, wenn etwas bricht, wie die Beschaffung sie bewertet und was bei einem Audit passiert.

Unterschied 1: Wofür es da ist

Das MES existiert, um Produktionsarbeit nach definierten Regeln zu erfassen und zu disponieren. Es ist das System of Record dafür, was auf dem Shopfloor passiert ist. Der KI-Agent existiert, um über Entscheidungen quer über die Daten des MES plus Kontext zu argumentieren, den das MES nicht sieht. Das MES besitzt die Wahrheit. Der Agent besitzt die Argumentation.

Unterschied 2: Wie es entscheidet

Das MES entscheidet über konfigurierte Regeln. Wenn Auftragspriorität X und verfügbare Maschine Y, disponiere auf Y. Die Regeln sind vorhersagbar, deterministisch, auditierbar. Der KI-Agent entscheidet über zielgerichtete Argumentation. Gegeben das Ziel, Kundenzusagen zu erfüllen, und der aktuelle Zustand über Systeme - was ist die beste nächste Aktion. Anderes Paradigma, andere Ergebnisse bei neuen Situationen.

Unterschied 3: Welche Daten es sieht

Das MES sieht, was Shopfloor-Sensoren und Werker-Eingaben hineinspeisen. Strukturiert, maschinengeneriert, stations-spezifisch. Der Agent sieht die MES-Daten plus alles andere: ERP, CRM, Kunden-E-Mail, Lieferantenportal, Verträge, Freitext-Notizen. Die Entscheidungsqualität hängt von der Breite des Kontexts ab, nicht nur vom Algorithmus.

Unterschied 4: Wie es Ausnahmen behandelt

Das MES routet Ausnahmen an Schichtleitung oder Planung. Die Ausnahme-Queue wächst proportional zur Variabilität der Produktionsumgebung. Der Agent behandelt Ausnahmen inline: Er argumentiert, was passiert ist, schlägt eine Lösung vor und handelt entweder innerhalb definierter Befugnis oder eskaliert mit Kontext. Die Schichtleitung prüft die Analyse des Agenten, nicht die Rohausnahme.

Unterschied 5: Audit und Rückverfolgung

Das MES ist die Audit-Quelle. Jedes Teil hat eine Genealogie im MES. Der Agent loggt jede Entscheidung, die er trifft - was er fand, was er erwog, was er entschied, was er eskalierte - aber der Produktionsdatensatz selbst bleibt im MES. Der Agent erzeugt eine zusätzliche Entscheidungs-Audit-Schicht, die in Regulierungsprüfungen oft geschätzt wird.

Unterschied 6: Wie schnell es ausgerollt ist

Ein Greenfield-MES dauert 6 bis 18 Monate und mehrere Millionen Euro im Mittelstandskontext. Ein erster fokussierter KI-Agent auf dem bestehenden MES dauert 8 bis 12 Wochen und 50.000 bis 200.000 Euro. Die Ökonomie kippt: MES ist eine langzyklische Investition in Infrastruktur; Agenten sind eine kurzzyklische Investition in konkrete Ergebnisse.

Wo jeder von beiden gewinnt

Die Formulierung „MES oder KI-Agent" stellt eine falsche Binärfrage. Die echte Frage ist prozess-für-prozess: Welcher passt zu welchem Job. Das gleiche Mittelstandswerk verlässt sich beim einen auf das MES und beim anderen auf einen KI-Agenten - und die Grenzen verlaufen sauber, wenn beide bewusst eingesetzt werden.

Wo das MES klar gewinnt

• Auftragsdisposition - Richtiger Auftrag, richtige Maschine, richtige Zeit. Deterministisch, strukturiert, audit-kritisch. Dafür ist das MES gebaut.
• Produktionsrückmeldung ans ERP - Wenn ein Los fertig ist, postet das MES das Ergebnis ins SAP für Inventar und Buchhaltung. Stabil, reguliert, ohne Urteilsvermögen.
• Los-Genealogie und Rückverfolgung - Wenn ein Kundenaudit oder eine Rückrufuntersuchung ein konkretes Teil rückwärts durch jede Maschine, jede Schicht, jedes Rohmaterial verfolgen muss, ist das MES die Antwort.
• Echtzeit-Maschinendatenerfassung - SPS- und Sensordaten lesen, OEE-Inputs berechnen, Alarmbedingungen melden. Latenz-kritisch, deterministisch, maschinen-nah.
• Werker-UI auf dem Shopfloor - Der Touchscreen an jeder Station, die Auftragsliste, die Nacharbeitsbegründungserfassung. Für den Rhythmus der Produktion gebaut.
• Shopfloor-Compliance-Dokumentation - GMP-Chargenprotokolle, Automotive-PPAP-Rückverfolgung, HACCP-Logs. Reguliert, strukturiert, audit-bereit.
• SCADA-zu-ERP-Integration nach ISA-95 - Die standardisierte, audit-konforme Brücke zwischen Geschäftssystemen und Shopfloor-Ausführung.

Wo ein KI-Agent klar gewinnt

• Ausnahmebehandlung jenseits definierter Regeln - Wenn der Plan bricht, weil die Realität nicht zum Plan passt, argumentiert ein Agent über die richtige Lösung quer über MES, ERP, Kundenzusagen und Lieferantenstatus.
• Schichtplan-Rebalancing über system-übergreifenden Kontext - Kundenpriorität, Lieferantentermin, Kapazitätsverfügbarkeit, Termindruck - der Agent integriert Inputs, die das MES nicht sieht, und schlägt eine neue Reihenfolge mit Begründung vor.
• Prädiktives Qualitätsrisiko pro Los - Sensordaten plus Materiallos-Historie plus Werker-Notizen plus Lieferanten-Qualitätshistorie lesen, um ein Los vor Versand zur Prüfung zu kennzeichnen. Das MES hat die Daten; der Agent hat die Argumentation.
• 8D-Reports aus MES-, CAQ- und Engineering-Daten entwerfen - Defektdaten, Ursachenanalyse aus CAQ, Lieferantenhistorie aus ERP ziehen, das 8D zur Prüfung durch den Q-Ingenieur entwerfen. Spart Tage pro Fall.
• Kundenreklamationsantworten entwerfen - Kunden-E-Mail lesen, das konkrete Los im MES finden, eine fakten-basierte Antwort mit betroffener Menge, Ursache und Korrekturmassnahme entwerfen.
• Lieferantenreklamation und SCAR-Schreiben entwerfen - Produktionsauswirkungsdaten zusammenstellen, Supplier Corrective Action Requests mit Belegen generieren.
• Audit-Vorbereitung quer über MES, CAQ und Engineering - Die richtigen Datensätze für ein anstehendes Kunden- oder Zertifizierungsaudit ziehen. Stunden statt Wochen manueller Zusammenstellung.
• Werker-Anfragen beantworten - Wenn ein Werker fragt „was ist die Spezifikation für dieses Teil?" oder „warum wurde der letzte Rüstvorgang geändert?", liest der Agent Engineering-, MES- und Qualitätsdaten und antwortet in Sekunden.
• Schichtübergaben zusammenfassen - End-of-Shift-Zusammenfassung mit offenen Themen, laufenden Aufträgen, Maschinenstatus, Eskalationen - automatisch aus MES und Werker-Notizen entworfen.

Wo keiner die richtige Antwort ist

• Kaputte Prozesse - Wenn der Produktionsprozess schlecht entworfen ist, repariert keine Software das. Erst Prozess mappen und verbessern, dann das richtige Tool wählen.
• Echte sicherheitskritische Steuerschleifen - Echtzeit-Maschinensicherheit, Notabschaltungen, Druckentlastung. SPS und Sicherheitssysteme besitzen diese Schicht. KI gehört nicht hin.
• Geringes Volumen, geringer Wert - Drei Rüstvorgänge im Jahr für ein margenarmes Produkt. Tabelle plus Checkliste schlägt Automatisierung.
• Politisch blockierte Prozesse - Wenn die Reibung zwischen Abteilungen liegt, nicht in der Arbeit. Tooling macht Politik schlimmer, nicht besser.

Der ehrliche Kostenvergleich

MES-Kosten und KI-Agent-Kosten zu vergleichen, ist der falsche Rahmen. Sie lösen verschiedene Probleme. Der ehrliche Vergleich ist die Kosten der Lücke, die jeder lässt, und der Arbeit, die jeder entfernt.

Was ein MES im Mittelstand tatsächlich kostet

• Lizenzmodell - Pro Station, pro Modul, manchmal pro gleichzeitigem Nutzer. Ein typisches Mittelstands-Mid-Tier-MES kostet 1.500 bis 3.500 Euro pro Station Basislizenz, plus Module für OEE, Qualität, Rückverfolgung, Dokumentenkontrolle.
• Implementierung - Die dominante Kostenposition. 250.000 bis 1.500.000 Euro für ein Mittelstands-Greenfield-MES, je nach Werkskomplexität, Linienanzahl und Modulen. Oft 9 bis 18 Monate.
• Jährliche Wartung - 18 bis 22 Prozent des Lizenzwerts pro Jahr für Support und Updates, plus interne Adminzeit.
• Integration zu ERP und Engineering - 50.000 bis 250.000 Euro für SAP-Integration, PDM-/PLM-Anbindungen, CAQ-Verbindungen. Manchmal laufend, wenn Systeme aktualisiert werden.
• Werker-Schulung und Rollout - 30.000 bis 80.000 Euro je nach Werker-Headcount und Schichtabdeckung.
• Periodische Upgrade-Projekte - Major-Versions-Upgrades alle 5 bis 8 Jahre, typisch 30 bis 50 Prozent der ursprünglichen Implementierungskosten.

Was ein Produktions-KI-Agent tatsächlich kostet

• Plattform-/Agent-Gebühr - 2.000 bis 8.000 Euro pro Monat pro aktivem Produktions-Use-Case, je nach Komplexität, Volumen und Integrationsumfang.
• LLM-Inferenzkosten - Cents pro Aufgabe. Selbst bei Tausenden Aufgaben pro Tag bleibt der Inferenzbetrag moderat - niedriger dreistelliger bis niedriger vierstelliger Bereich pro Monat pro Use Case.
• Implementierung - 40.000 bis 120.000 Euro für einen fokussierten ersten Einsatz. Hauptsächlich Prozess-Mapping, MES-API-Integration, Validierung gegen historische Fälle.
• Integrationswartung - Geringer als RPA- oder MES-Integration, weil Agenten besser mit API-Drift umgehen. Typisch 5.000 bis 15.000 Euro pro Jahr pro aktivem Use Case.
• Monitoring und Feedback-Loop - 0,2 bis 0,5 FTE pro aktivem Agenten für Prüfung, Korrektur und kontinuierliche Verbesserung.
• Keine Pro-Station-Skalierung - Die Anzahl Stationen oder Werker ändert die Agentenkosten nicht. Pro-Prozess-Pricing passt zu Pro-Prozess-Wert.

3-Jahres-Gesamtkosten an einem repräsentativen Use Case

Nehmen Sie den Use Case Ausnahmebehandlung: Schichtplan-Rebalancing bei Maschinenausfall. Heute verbringt die Schichtleitung 30 Stunden pro Woche damit, diese Fälle manuell quer über MES, ERP, Kundenauftragsbuch und Werks-E-Mails zu lösen. Das MES allein hilft nicht (es routet den Alarm; Argumentation ist der Job der Schichtleitung). Der Agent argumentiert über Systeme und schlägt Lösungen zur Schichtleitungs-Genehmigung vor.

Wo der Kostenvergleich gegen den Agenten kippt

• Stabile, wenig ausnahme-lastige Produktion - Wenn die Produktionsumgebung wirklich stabil ist und das MES allein sie sauber handhabt, addiert ein Agent Kosten ohne Wert.
• Sehr geringe Volumen-Prozesse - Wenn die eingesparte Schichtleitungs-Arbeit wenige Stunden im Monat ist, amortisieren sich Agent-Plattformgebühren nicht.
• Schlechte Datenfundamente - Wenn MES-Daten falsch oder fehlend sind, kann der Agent nicht zuverlässig argumentieren. Erst Daten reparieren; dann Agent auf der saubereren Teilmenge ausrollen.
• Reine Maschinensteuerungs-Probleme - SPS, SCADA, Echtzeitsteuerung. Agent gehört nicht in diese Schicht.

Die MES-plus-Agent-Architektur, die funktioniert

Fast jeder Mittelständler, der Produktions-KI-Agenten einsetzt, landet in einem Hybrid: MES bleibt System of Record, Agenten sitzen darüber. Die Architektur ist kein Kompromiss; sie ist die einzige Konfiguration, die ISA-95, regulatorische Rückverfolgung und Shopfloor-Realität respektiert.

Der Vier-Schichten-Stack

• Schicht 1: Maschinen, Sensoren, SPS, SCADA - Die physische Ausführungsschicht. Echtzeit, sicherheitskritisch, deterministisch. KI gehört nicht hin.
• Schicht 2: MES - Das System of Record für die Produktion. Erfasst Daten, disponiert Arbeit, pflegt Rückverfolgung, integriert nach oben ans ERP. Compliance-tauglich.
• Schicht 3: KI-Agenten - Die Argumentationsschicht. Liest aus MES, ERP, CAQ, CRM, Dokumentensystemen. Argumentiert über Ziele. Schreibt Entscheidungen via APIs ans MES zurück.
• Schicht 4: ERP und Geschäftssysteme - SAP, Finanzsysteme, Kundenauftragsbuch, Lieferantenportal. Das MES integriert hier nach ISA-95. Agenten lesen von hier als zusätzlichen Kontext.

Die häufigsten hybriden Muster im Mittelstand

• MES + Agent für Schichtplan-Rebalancing - MES disponiert und verfolgt. Agent überwacht Störungen (Maschinenausfall, Kundenänderung, Lieferantenverzögerung) und schlägt der Planung neue Reihenfolgen zur Genehmigung vor.
• MES + Agent für prädiktive Qualität - MES erfasst Sensor- und Werker-Daten pro Los. Agent liest Sensorhistorie plus Materiallos-Daten plus Lieferanten-Qualitätshistorie und kennzeichnet riskante Lose vor Versand zur Prüfung.
• MES + Agent für 8D- und Audit-Arbeit - MES hält die Produktionsdatensätze. Agent zieht relevante Daten, entwirft 8D-Reports, bereitet Audit-Ordner vor, entwirft Kundenkommunikation. Q-Ingenieur prüft und genehmigt.
• MES + Agent für Schichtübergabe - MES hat den Betriebszustand. Agent fasst die Schicht End-zu-End zusammen, surface offene Themen, entwirft die Briefing für die nächste Schicht. Spart 20 bis 40 Minuten pro Schicht.
• MES + Agent für Werker-Support - MES hat den Auftrag, die Spezifikation, die jüngsten Events. Agent beantwortet Werker-Fragen in Sekunden („warum hat sich das Setup geändert?", „was ist die Toleranz für dieses Merkmal?") durch Lesen von MES + Engineering.

Wie sich Verantwortungen in einer hybriden Architektur teilen

Der Entscheidungsrahmen

Wenden Sie diesen Rahmen Job für Job an, um zu entscheiden, ob Ihr bestehendes MES reicht oder ob eine KI-Agent-Schicht klar Mehrwert bringt. Output ist eine verteidigbare Empfehlung, die Sie der Operations-Führung und IT in derselben Sitzung vorlegen können.

Schritt 1: Den Job klassifizieren

• Ausführungsjob - Auftrag disponieren, Bestätigung erfassen, Messung aufzeichnen, Teil routen. Strukturiert, wiederholbar, audit-kritisch. MES-Territorium.
• Argumentationsjob - Entscheiden, was zu tun ist, wenn die Realität den Plan bricht; ein Dokument aus system-übergreifenden Daten entwerfen; ein Risiko vorhersagen; eine Schicht zusammenfassen. System-übergreifend, urteilslastig, ausnahmegeprägt. Agent-Territorium.

Schritt 2: Den Datenbereich bewerten

• Nur MES-Daten - Die Entscheidung braucht nur, was das MES bereits hat (Maschine, Los, Sensor, Zeit). MES-Regeln können das wahrscheinlich.
• System-übergreifender Kontext nötig - Die Entscheidung braucht MES plus ERP, CRM, Kunden-E-Mail, Lieferantenportal, Vertragsbedingungen, Engineering-Dokumente. Agent-Territorium.

Schritt 3: Variabilität bewerten

• Geringe Variabilität - Der Fall sieht jedes Mal gleich aus. MES-Regellogik reicht.
• Hohe Variabilität - Die Fälle unterscheiden sich in kleinen, aber bedeutsamen Punkten. Regelpflege wird zur Dauerlast. Agent-Argumentation ist haltbarer.

Schritt 4: Verzögerungskosten bewerten

• Geringe Verzögerungskosten - Die Arbeit kann auf die Schichtleitung oder Planung am nächsten Morgen warten. Keine Dringlichkeit.
• Hohe Verzögerungskosten - Kunden-SLAs, Linien-Stillstand, Lot-Risiko-Entscheidungen. Geschwindigkeit zählt - und ein Agent, der in Sekunden argumentiert, schlägt eine Queue, die auf menschliche Aufmerksamkeit wartet.

Schritt 5: Die Entscheidungsmatrix lesen

Wie Superkind hineinpasst

Superkind baut individuelle KI-Agenten, die auf bestehenden Mittelstands-MES, -ERP, -CAQ und -Engineering-Systemen sitzen. Wir ersetzen nicht Ihr MES. Wir bauen die Agentenschicht, die macht, wofür Ihr MES nie gebaut wurde - über Systeme argumentieren, Ausnahmen behandeln, Dokumente entwerfen, mit Kontext eskalieren.

Kernfähigkeiten für Produktionsumgebungen

• MES-native Integration - APIs und Datenkonnektoren für Industrie Informatik, MPDV Hydra, GFOS, iTAC, Siemens Opcenter, AVEVA, Werum und SAP MII. Wir verbinden über stabile Schnittstellen, nicht UI-Scraping.
• SAP-native Kontext-Integration - SAP S/4HANA, ECC, MII, PP/PI, QM, MM. Agenten lesen Produktionsaufträge, Kundenzusagen, Lieferantenstatus, Qualitätsdaten als Kontext für Shopfloor-Entscheidungen.
• CAQ- und Engineering-Integration - Babtec, Böhme & Weihs, iqs, plus PDM-/PLM-Systeme. Agenten ziehen Engineering-Spezifikationen, Defekthistorie, FMEA-Notizen für Qualitäts- und Audit-Arbeit.
• Dokumentenintelligenz - Liest Werker-Notizen, Kunden-E-Mails, Lieferanten-Ankündigungen, Vertragsklauseln. Keine Template-Konfiguration nötig.
• System-übergreifende Orchestrierung in einem Workflow - Ein einzelner Agent liest MES + SAP + CAQ + E-Mail und produziert eine einzelne Entscheidung oder ein Dokument. Keine Drehstuhlarbeit für die Schichtleitung.
• ISA-95-Konformität - Agenten laufen auf Level 4 oder an der Grenze 3-4. Sie schreiben nie direkt auf SPS oder Maschinen. Das MES bleibt das einzige System, das mit der Ausführungsschicht spricht.
• Human-in-the-Loop-Checkpoints - Sie definieren, welche Entscheidungen Genehmigung brauchen und ab welcher Konfidenz. Agenten eskalieren mit Kontext, nicht stillschweigend. Kritisch für hochsensible Shopfloor-Entscheidungen und EU-KI-Verordnungs-Konformität.
• Audit-Trail über dem MES - Jede Agent-Entscheidung wird geloggt: was sie fand, was sie erwog, was sie entschied, was sie eskalierte. Das Agent-Log ergänzt das MES-Audit-Trail, statt es zu ersetzen.
• EU-Deployment und DSGVO-Konformität - Agenten laufen auf EU-Cloud oder Ihrer eigenen Infrastruktur. Daten verlassen nicht Ihren Perimeter.
• 8 bis 12 Wochen bis zum ersten Produktiv-Einsatz - Vom Prozess-Assessment bis Live-Betrieb auf einem fokussierten ersten Use Case. Keine Mehrjahres-Transformation.

Superkind im Vergleich zu alternativen Wegen

Der 90-Tage-Plan

Dieser Plan deckt das Anwenden des Entscheidungsrahmens auf einen einzelnen Shopfloor-Use-Case ab, validiert die MES-Daten, rollt den Agenten in begrenztem Umfang aus und erreicht ersten Produktiv-Wert. Nutzen Sie ihn, um Operations-Führung und IT abzustimmen.

Wochen 1 bis 3: Use-Case-Auswahl und Datenaudit

• Drei Kandidaten-Use-Cases auswählen - Jeder mit messbarem Schmerz (Schichtleitungs-Stunden, verfehlte SLAs, Audit-Vorbereitungs-Wochen, Ausschuss-Eskalationen). Aktuellen Schmerz in Zahlen dokumentieren.
• Entscheidungsrahmen anwenden - Jeden Use Case auf Job-Typ, Datenbereich, Variabilität und Verzögerungskosten bewerten. Ergebnis: ein Use Case klar passend für einen Agenten.
• MES-Datenqualität auditieren - Für den gewählten Use Case validieren, dass die Daten, auf denen der Agent argumentieren wird, sauber genug sind. Die meisten Agent-Fehler gehen auf schlechte Daten zurück.
• API-Zugang prüfen - MES-Anbieter-APIs (REST, SOAP, OPC-UA, dateibasiert) für die Daten, die der Agent braucht. Engineering-, CAQ-, ERP-Integration bestätigt.
• Erfolgsmetriken definieren - Eingesparte Stunden pro Woche, Ausnahme-Lösungszeit, Audit-Vorbereitungs-Dauer. In 90 Tagen messbare Zahlen.
• Betriebsrat informieren, wo zutreffend - Wenn der Agent Mitarbeiter-Leistungsdaten berühren könnte, Beratung früh starten.

Wochen 4 bis 8: Bauen und testen

• Detailliertes Prozess-Mapping - Eingaben, Ausgaben, Entscheidungspunkte, Systemberührungen, Ausnahmetypen dokumentieren. Die Arbeit, die den Einsatz erfolgreich macht.
• Agentenbau gegen das Prozess-Mapping - Prompt- und Tool-Design, Integrations-Setup, Eskalationsschwellen, Human-in-the-Loop-Checkpoints.
• Test gegen echte historische Fälle - Vergangene Beispiele (von der Schichtleitung gelöst) ziehen, den Agenten dagegen laufen lassen, Outputs vergleichen.
• Ausnahmebehandlung speziell validieren - Die schwierigsten Fälle sind der echte Test des Agenten. Bestätigen, dass Eskalationen nützlichen Kontext liefern.
• DSGVO-Logging bestätigen - Audit-Trail erfasst, was der Agent tat, warum, und auf welche Daten er zugriff.
• Team schulen - Schichtleitungen und Planung lernen, Agentenempfehlungen zu prüfen, Fehler zu korrigieren und zurückzumelden.

Wochen 9 bis 12: Produktion und Lernen

• Auf begrenzten Scope deployen - 20 Prozent der Fälle, eine Produktfamilie, eine Schicht. Parallel mit dem bestehenden Prozess laufen lassen.
• Jede Eskalation und Korrektur prüfen - Wöchentlicher Rhythmus. Was hat der Agent falsch gemacht? Warum? Was ist die korrekte Antwort?
• Gegen Baseline messen - Eingesparte Stunden, Lösungszeit, Audit-Vorbereitungstempo. Wenn Zahlen sich nicht bewegen, vor der Skalierung diagnostizieren.
• Erweitern, sobald Metriken validieren - Zwei bis drei Wochen stabiler Betrieb in begrenztem Scope, dann auf vollen Umfang skalieren.
• Lernen für den nächsten Use Case dokumentieren - Wo lag der Rahmen richtig, wo daneben, was würden Sie anders machen.

Verwandte Artikel

• Der Unterschied zwischen Standardsoftware und einem KI-Agenten: Wie der Mittelstand 2026 entscheidet, wo das Software-Budget hingeht
• RPA vs. KI-Agenten: Was der Mittelstand bei der Automatisierung falsch macht
• KI-Agenten in der Fertigung: Wie der Maschinenbau Stillstand, Ausschuss und Kosten senkt
• KI-gestützte Produktionsplanung: Wenn APS-Systeme an ihre Grenzen kommen
• Predictive Maintenance für Hidden Champions: Von Sensordaten zum autonomen Wartungsagenten

Häufige Fragen

Henri Jung

Co-Founder bei Superkind

Co-Founder von Superkind, wo er KMUs und Konzernen hilft, individuelle KI-Agenten einzuführen, die wirklich zu der Art und Weise passen, wie Teams arbeiten. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schliessen. Er glaubt, dass der Mittelstand alles hat, um in KI führend zu sein - er braucht nur den richtigen Ansatz.